基于形状模板的快速高精度可靠图像匹配

为了提高工业检测中图像匹配精度和速度,提出一种基于形状模板的快速高精度图像配准算法：根据定义的图像匹配相似度量,采用图像金字塔搜索匹配策略,利用形状信息进行模板匹配。具体流程为：首先在参考图像上选择感兴趣区域生成模板,使用Canny滤波器对模板和搜索图像进行滤波,并计算边缘点的方向向量;其次,在此基础上构造该模板和搜索图像的图像金字塔,在图像金字塔最高层图像进行完全遍历匹配,获得具有匹配分值的潜在匹配点,然后根据匹配分值大小逐层逐次跟踪潜在匹配点,进行匹配,直至图像金字塔最底层;最后使用最小二乘法调整位姿参数,使其达到亚像素精度。实验表明该方法匹配速度快,匹配精度高,而且匹配鲁棒性高,不受遮挡、混乱、非线性光照变化、离焦、对比度低、全局对比度反转、局部对比度反转等情况的影响,完全可以满足实际工业需求。     

无砟轨道扣件快速匹配定位方法研究

针对现有扣件定位方法速度慢、定位不准确的问题,结合无砟轨道的特点,提出一种无砟轨道扣件快速匹配定位算法。该算法针对传统匹配算法运算量大、匹配结果不准确的缺点,采用梯度法求取扣件图像的方向场,并根据钢轨区域方向场的各向一致性,锁定扣件感兴趣区域,实现图像裁剪,减少模板搜索空间;模板匹配则通过计算模板和图像方向场对应点之间的绝对值距离实现扣件匹配定位,并利用方向场采样、基于统计方法确定搜索起点位置、随机抽样一致性等方法提高匹配速度和精度。实验结果表明,该算法匹配速度快、鲁棒性强,能够满足扣件检测识别中对扣件匹配的实时性和准确性的要求,与传统的模板匹配定位方法相比,速度提高了30%左右,且对于不同光线条件下的匹配成功率均大于95%。     

一种基于计算机视觉的铁轨扣件缺失检测方法

针对传统扣件检测方法式效率低、可靠性差,不能满足现代铁路检修的需要,提出了一种基于计算机视觉的扣件缺失自动检测方法。在对灰度图像进行Canny边缘检测处理后采用十字交叉定位法对扣件位置进行定位,得到120×200像素的扣件区域,并提取扣件图像的20个边缘特征值;最后,利用模糊C均值聚类算法对这两类的特征量进行聚类分析,通过计算待诊断对象与标准模式的隶属度实现对扣件状态的分类。应用验证表明：采用的图像处理方法和识别分类算法能够有效检出轨道扣件缺失,检测速度快,鲁棒性好,检出率达96%。     

一种基于计算机视觉的铁轨扣件缺失检测方法

针对传统扣件检测方法式效率低、可靠性差,不能满足现代铁路检修的需要,提出了一种基于计算机视觉的扣件缺失自动检测方法。在对灰度图像进行Canny边缘检测处理后采用十字交叉定位法对扣件位置进行定位,得到120×200像素的扣件区域,并提取扣件图像的20个边缘特征值;最后,利用模糊C均值聚类算法对这两类的特征量进行聚类分析,通过计算待诊断对象与标准模式的隶属度实现对扣件状态的分类。应用验证表明:采用的图像处理方法和识别分类算法能够有效检出轨道扣件缺失,检测速度快,鲁棒性好,检出率达96%。     

基于三次样条插值的亚像素边缘检测方法

为了实现图像边缘的亚像素定位,针对阶跃形式的边缘类型,提出了一种基于三次样条插值的亚像素边缘检测算法,根据样条插值原理,获得一维边缘的连续灰度分布,通过计算边缘点两侧三次样条函数的二阶导数为零点,实现一维边缘点的亚像素定位;利用一维曲面拟合方法,获得边缘投影方向,根据一维曲面投影方向像素灰度不变理论,利用投影公式将数字窗口中所有三维点投影到相同的投影平面,从而可将二维边缘检测问题转化为一维边缘检测,利用一维边缘检测方法获得边缘点位置,结合投影方向,最终实现二维边缘定位。通过与现有亚像素边缘检测方法的比较,可知算法对噪声具有较好的鲁棒性,同时计算时间相对较快,因此在实际应用中具有较好的适用性。     

基于线阵CCD图像亚像素级别边缘检测方法

研究线阵CCD采集一维图像亚像素级别边缘检测方法。该方法经过图像平滑滤波、基于梯度算子边缘粗定位、拟合区间搜索、最小二乘直线拟合边缘精确定位几个步骤,定位出线阵CCD图像边缘位置。图像采集卡(FPGA)接收图像处理卡(DSP)下发的控制指令,接收CCD图像数据,并且负责图像数据的平滑滤波和梯度值计算,粗定位出边缘位置,然后把边缘粗位置坐标,以及截取粗定位的边缘点附近段数据上传给图像处理卡,以供后者进行下一步拟合区间搜索和最小二乘拟合精确定位出边缘位置。通过图像采集卡的前期处理,可以大大减少其与图像处理卡之间的通讯数据量,FPGA+DSP这种分工处理模式发挥了各自处理芯片的优势,大大提高了运算处理效率。实验结果表明,该算法检测精度达到亚像素级别,3σ小于0.5像素,处理时间小于90μs。     

基于星射线法的瞳孔中心定位

为解决红外图像中人眼瞳孔中心定位存在的眼睑遮挡、睫毛遮挡和角膜反射引起的白斑干扰等问题,采用由粗到精的瞳孔中心定位策略.对红外图像进行预处理,通过YoloV3深度学习模型检测瞳孔区域,实现瞳孔中心的粗略定位;在此基础上,采用星射线法提取瞳孔边缘点,剔除因眼睑遮挡导致的伪瞳孔边缘点;将剩下的边缘点基于最小二乘法进行椭圆拟合,对椭圆进行修正,精确定位瞳孔中心.实验结果表明,在眼睑遮挡、睫毛遮挡和白斑干扰的情况下,该方法可以准确定位,具有较好的鲁棒性和实时性.     

形变冗余的改进GHT目标双层定位方法研究

经典广义Hough变换可以较好地解决非形变目标定位问题,但对于存在形变的目标定位问题存在不少困难。为解决该问题,同时考虑如何提高检测定位速度与减少存储消耗, 在粗定位与精确定位两级框架下提出基于改进GHT形变目标两层定位快速算法。粗定位过程首先利用图像的局域二进制模式的直方图特征对图像进行全局搜索,检测出目标大致范围 ;在精确定位过程中,通过建立模板图像边缘像素的R表,使待检测图像边缘像素在约束的参数范围内依据该R表进行局部搜索,并通过一个投票结果散布窗对得到的累积矩阵进行 集中化处理,达到把每一点邻域内投票结果集中在某点的目的,从而给出最后的检测结果。实验表明,本文算法能够较好的解决一定程度形变目标的定位问题,同时减少了运算时 间以及存储消耗,检测稳定性高,具有一定应用意义。     

基于边缘颜色信息的车牌定位算法

车辆牌照的自动识别是智能交通系统中的一项重要技术,而车辆牌照的定位又是车牌识别的关键点之一.提出了一种基于边缘颜色点对与扫描线相结合的车牌定位方法.首先进行彩色边缘检测,然后以每一边缘点为中心,垂直于边缘方向取一条线段,在线段内检测边缘点两侧像素的颜色是否分别匹配车牌的底色与字符颜色,若是,则保留为候选车牌边缘点;通过扫描线搜索定位并分割出车牌区域.方法抓住了车牌背景与字符具有固定颜色搭配的重要特点,综合利用了车牌的结构特征和纹理特征,提高了车牌定位的可靠性.实验结果表明,算法能够实现车牌的快速精确定位.     

基于高斯小波的多尺度积图像边缘检测算法

图像的边缘是图像最重要的特征之一。由于边缘和噪声都是图像的高频分量,提取的图像边缘总是受到噪声的污染。针对边缘检测中存在的噪声问题,本文根据Mallat快速小波变换算法的思想,提出用高斯函数和其一阶导数分别作为低通和高通滤波器对图像进行多尺度分析。为了精确定位图像边缘,对各尺度的低频、水平、垂直和对角分量不进行下采样。然后提取不同尺度上的系数,利用多尺度积对噪声严重的图像进行边缘检测。最后根据边缘点的梯度方向,采用改进的局部梯度极大值搜索方法获得图像的单像素边缘。实验结果表明本文所提出的方法,能在被噪声污染严重的图像中提取图像的单像素边缘,且边缘图像信噪比高。     

基于道钉中心点定位的几何特征扣件定位算法

针对因轨道图像中图像歪斜、尺寸不一等导致定位失效、精度降低的问题,提出基于道钉中心点定位的几何结构特征扣件定位算法.采用先定位道钉中心点再定位扣件的思想.首先在图像预处理得到边缘图像的基础上,对图像边缘进行腐蚀与膨胀处理,使道钉边缘具备似圆性,再通过改进Hough变换进行圆形检测定位道钉所处大致区域并进行扩充,然后从原...     

有砟轨道扣件缺失识别算法的研究

针对有砟轨道扣件缺失问题,提出了基于fast PCA 和bag of words的两级分类扣件图像缺失识别算法。考虑到算法的可移植性和拍摄角度的不同,图像中钢轨和轨枕的方向并不一定是垂直的,单扣件定位识别具有局限性,提出采用双扣件图像作为样本。通过第一级分类器判断扣件是否缺失,进而得到扣件的具体位置。通过第二级分类器判断缺失扣件的类型,进一步得到扣件缺失的数目。该识别算法可达到较好的识别效果,有效地解决了拍摄角度不同的情况下有砟轨道缺失扣件的检测问题。     

铁路扣件图像边缘检测中LoG参数优化

边缘特征是铁路扣件缺陷分类的重要依据。高斯拉普拉斯（LoG）算子提取的边缘特征最接近扣件的真实边缘,但LoG参数的选取直接影响边缘检测效果。针对LoG参数的优化,采用基于布谷鸟搜索优化高斯拉普拉斯边缘检测的算法。利用布谷鸟优化搜索对阈值邻近像素值和标准偏差参数进行优化来提高拉普拉斯边缘检测性能。利用Pratt品质因数IMP值判定检测到的边缘是否最佳。实验证明,该方法有效优化了LoG参数的设置,得到的边缘特征提高了扣件缺陷分类准确率。     

一种基于网格结构图象的目标匹配定位方法

为了在不降低图象目标配准精度的前提下，加快苑配速度，提出了一种基于网格结构图象的从粗到细的目标匹配混合算法。该算法首先基本网格结构图象来抽取图象和模板的主要结构信息，以构成图象和模板的粗尺度上的一种表示，进而在这种粗尺度表示的图象上进行相似度粗匹配；然后基于引导的搜索策略，将粗匹配的目标位置对应到原图象的一些小区域，再采用部分Hausdorff距离匹配方法在这些小区域进行二次匹配和精确定位，经上述两个步骤的混合使用，不仅极大减少了计算开销，且没有降低匹配的准确度，将该混合算法与无粗匹配的部分Hausdorff距离全图匹配算法相比较，速度提高非常显著，该算法在集成电路显微图象上进行测试，取得了很好的效果。     

定位图像匹配尺度与区域的摄像机位姿实时跟踪

目的 提出一种定位图像匹配尺度及区域的有效算法,通过实现当前屏幕图像特征点与模板图像中对应尺度下部分区域中的特征点匹配,实现摄像机对模板图像的实时跟踪,解决3维跟踪算法中匹配精度与效率问题。方法 在预处理阶段,算法对模板图像建立多尺度表示,各尺度下的图像进行区域划分,在每个区域内采用ORB（oriented FAST and rotated BRIEF）方法提取特征点并生成描述子,由此构建图像特征点的分级分区管理模式。在实时跟踪阶段,对于当前摄像机获得的图像,首先定位该图像所对应的尺度范围,在相应尺度范围内确定与当前图像重叠度大的图像区域,然后将当前图像与模板图像对应的尺度与区域中的特征点集进行匹配,最后根据匹配点对计算摄像机的位姿。结果 利用公开图像数据库（stanford mobile visual search dataset）中不同分辨率的模板图像及更多图像进行实验,结果表明,本文算法性能稳定,配准误差在1个像素左右;系统运行帧率总体稳定在2030 帧/s。结论 与多种经典算法对比,新方法能够更好地定位图像匹配尺度与区域,采用这种局部特征点匹配的方法在配准精度与计算效率方面比现有方法有明显提升,并且当模板图像分辨率较高时性能更好,特别适合移动增强现实应用。     

一种适用于图像拼接的自适应模板匹配算法

在图像拼接中通常使用模板匹配方法进行图像配准,模板特征选取、基准模板位置与大小选取在很大程度上影响图像配准的准确度和速度。根据人类观察事物的行为特点,该文基于局部边缘密度LED和模糊聚类算法定位出特征物体区域,并在此区域上构建基准模板,在匹配上具有更高的可靠性。在模板匹配中采用加权相似性度量的方法,提高相似性度量的可靠性。据此,提出了一种强壮的自适应模板匹配算法,在自动图像拼接中体现出很强的实用性。     

基于SURF算法的单目转双目视觉定位

针对三维空间中目标物体定位的问题,提出了一种结构简单、操作方便、性价比较高的单摄像机实现双目立体视觉定位的方法.在对目标物体的识别和定位中,利用各方面性能和指标都比较好的SURF算法对所获取的图像进行特征点的提取和匹配.实验结果表明,文中使用的基于SURF算法的单目转双目视觉定位的方法,不论是在定位的精度,还是在时间速度方面都表现出了很好的可行性与实用性,具有一定的现实利用价值.     

基于肤色和模板匹配的人眼定位

提出了一种基于肤色和模板匹配的彩色图像人眼定位方法。首先利用YCbCr空间的肤色模型粗定位可能的人脸区域,然后在候选人脸区域用平均眼模板作基于金字塔结构的模板匹配定位眼睛。实验结果表明该方法在复杂背景下极大地提高了眼睛定位速度和精确度,具有较好的光照鲁棒性。